For many Caribbean countries, tourism represents a major source of foreign exchange and is the main contributor to gross domestic product. Therefore, the timely production of reliable estimates for tourism demand is paramount, especially in light of its seasonal nature. This article utilises a quasi-optimisation algorithm to produce optimised values for the generation coefficient (weights) of the grey GM(1,1) forecasting model, together with two modified grey GM(1,1) models. With data for 2008–2015, the parameter-optimised models were then used to produce insample and out-of-sample forecasts of tourism demand (stay-over tourist arrivals) for selected Caribbean countries. These estimates were also compared to those produced by the standard versions of the models. The results indicate that while the standard models can generate reasonably accurate results, in some instances the performance of the models improved noticeably with the use of the optimised parameters. Overall, most of the in-sample and out-of-sample mean absolute percentage errors are well below 5%, indicating a high level of forecasting accuracy.
 
Pour de nombreux pays des Caraïbes, le tourisme représente une source majeure de devises étrangères et est le principal contributeur au produit intérieur brut. Par conséquent, la production en temps utile d’estimations fiables de la demande touristique est primordiale, surtout en raison de sa nature saisonnière. Cet article utilise un algorithme de quasi-optimisation pour produire des valeurs optimisées pour le coefficient de génération (poids) du modèle de prévision gris GM (1,1), ainsi que deux modèles gris GM (1,1) modifiés. En se servant des données de 2008 à 2015, les modèles optimisés en fonction des paramètres ont ensuite été utilisés pour produire des prévisions en échantillon et hors échantillon de la demande touristique (arrivées de touristes en séjour) pour certains pays des Caraïbes. Ces estimations ont également été comparées à celles produites par les versions standard des modèles. Les résultats indiquent que si les modèles standard peuvent générer des résultats raisonnablement précis, dans certains cas, la performance des modèles s’est visiblement améliorée avec l’utilisation des paramètres optimisés. Dans l’ensemble, la plupart des erreurs absolues moyennes en pourcentage dans l’échantillon et hors échantillon sont bien inférieures à 5%, ce qui indique un niveau élevé de précision des prévisions.
 
Para muchos países del Caribe, el turismo representa una importante fuente de divisas y es la principal contribución al producto interno bruto. Por lo tanto, la producción a tiempo de estimados confiables de la demanda turística es primordial, especialmente a la luz de su naturaleza estacional. Este artículo utiliza un algoritmo de cuasi-optimización para producir valores optimizados para el coeficiente de generación (pesos) del modelo Grey de pronóstico GM (1,1), junto con dos modelos Grey GM (1,1) modificados. Con datos para 2008–2015, los modelos de parámetros optimizados se utilizaron para producir pronósticos dentro y fuera de la muestra de la demanda turística (llegadas de turistas que se quedan) en los países caribeños seleccionados. Estos estimados también se compararon con los producidos por las versiones estándar de los modelos. Los resultados indican que, si bien los modelos estándar pueden generar resultados razonablemente precisos, en algunos casos el funcionamiento de los modelos mejoró notablemente con el uso de los parámetros optimizados. En general, la mayoría de los errores porcentuales absolutos medios dentro y fuera de la muestra están muy por debajo del 5%, lo que indica un alto nivel de precisión del pronóstico.